30秒执行摘要：
MatrixDB在中小型和大型场景中优于其他时间序列数据库，在许多场景中具有数十倍的性能优势
MatrixDB支持ACID，可确保数据不会丢失。 InfluxDB、TDengine不能保证数据是否好，是否不会丢失
MatrixDB在各种规模的数据写入中占用较少的内存，非常稳定；InfluxDB占用较多的内存； TDengine消耗的内存最多
MatrixDB支持冷热分级保存
背景物联网和实时数仓场景下，数据的快速写入能力至关重要，直接影响产品方案的可用性、可靠性和可扩展性。 例如，以物联网为例，面对千万甚至上亿个设备，每台设备平均收集几十到几百个指标，每秒产生的数据就达到几十亿到几百亿。 能否及时可靠地插入这种量级的数据，是评价物联网数据库的核心因素和首要需要。 据统计，时序数据具有泛读少读的特点，其中95 %~99 %以上是数据写入操作，从这个意义上讲，再怎么重视数据写入能力也不过分。
为了满足这种高吞吐量数据写入的需要，一些产品采用无事务或弱事务的方式来提高写入速度。 这将导致错误数据、重复数据或数据丢失。 通过MatrixGate组件，MatrixDB在保证严格的事务一致性(ACID )的前提下，支持高吞吐量数据高速写入。 同时，产品具有良好的线性可扩展性，通过增加节点，线性提高系统写入速度，满足电信、工业互联网、智能家居、智慧城市等各种物联网场景的数据写入需求
此博客详细介绍了在同一环境中MatrixDB、InfluxDB和TDengine这三种产品的写入功能，以帮助选定用户。 本文以行/秒测量了数据写入能力。 有些文章使用的是每秒数据点。 这两种方法可以互换。 例如，如果一个表包含时间列、设备ID列和五个指标列，则插入一行数据意味着插入五个据点；如果每秒插入1000行，则写入能力意味着每秒插入5000个据点。
测试结论
根据用户的使用场景，定义了三种不同的测试用例：小、中、大。 具体特点如下。
对于每个测试用例，分别采用3种产品推荐的快速加载方式获取最高值，测试结果如下。 其中，选择小规模100万设备1列指标数据、大中型10万设备400列指标数据、大规模100万设备800列指标数据。
MatrixDB与这两种产品的加载速度之比分别为：
综上，在三种场景下，加载性能从高到低分别是：
33558 www.Sina.com/tdengineinfluxdb
有趣的是，三种产品的事务支持不同。 单节点和群集多节点都支持完全严格的事务，包括原子(a )、一致性(c )、独立性(I )和持久性(d )。InfluxDB和TDengine支持tote 测试还注意到不同产品的内存消耗不同，MatrixDB内存消耗小而平稳，InfluxDB内存消耗多，TDenginie内存消耗最多，与设备数量呈正相关。 例如，500万设备的内存消耗超过80G。
MatrixDBMatrixDB、InfluxDB和TDengine均采用独立部署。 机器的构成如下。
测试环境和产品信息
01机器配置
02软件版本
03参数调整数据由tsbs_generate_data工具生成。 tsbs_generate_data是开源时间序列数据评估标准tsbs中的数据生成工具。 MatrixDB团队扩展了此工具以支持大型设备场景，并在参数--use-case='massiveiot '中使用。
数据生成
下载该工具。tsbs_generate_data 命令常用参数说明如下：
详细的数据生成方法和命令，请参考文末链接：时序数据库加载性能测试过程
01 小规模文件大小
02 中等规模文件大小
03 大规模文件大小
如果全量生成的话，估算数据容量如下：
由于InfluxDB/TDEngine在列数超过100列时较慢，为避免写入时间过长，测试中采取限定时间范围方法：
限定时间范围后，实际数据大小如下：
数据写入每种产品使用的写入方式如下：
01 小规模数据写入对比
值越大代表写入性能越好
MatrixDB与InfluxDB写入速度对比
MatrixDB写入速度最高是InfluxDB的11.6倍！
MatrixDB与TDengine写入速度对比
MatrixDB写入速度最高是TDengine的2倍！
02 中等规模数据写入性能数据
值越大代表写入性能越好
MatrixDB与InfluxDB写入速度对比
MatrixDB 写入速度最高是InfluxDB的73.8倍备注
如果InfluxDB全量写入，按400列的2268.06行每秒的写入速度计算，14.4亿行，需要费时1058分钟，而MatrixDB 只需要14分钟，相比之下InfluxDB写入速度太慢。故InfluxDB 10列、50列，只写入1千万行，InfluxDB 100列，只写入100万行，400列，只写入10万行。
MatrixDB与TDengine写入速度对比
MatrixDB的写入速度最高是TDengine的28.6倍！备注
按TDengine 100列全量写入需要262分钟计算，400列估算需要1050分钟。而MatrixDB 最快仅需要14分钟。10万设备数400列，相比之下写入速度太慢、费时太久，故设置1000个设备，然后推导出10万设备所需时间。
03 大规模数据写入性能数据
值越大代表写入性能越好
MatrixDB与InfluxDB写入对比
MatrixDB写入csv的速度最高是InfluxDB的84.8倍！备注
如果InfluxDB全量写入，按10万设备量400列2268.06行每秒的写入速度计算，14.4亿行，需要费时1058分钟，100万设备量估算需要花费10580分钟，耗时太久。为避免InfluxDB写入费时太长，InfluxDB 100万设备数、100列和200列，只写入100万行，400、800列只写入10万行，然后同比推导出结果数据。
MatrixDB与TDengine写入速度对比
MatrixDB的写入速度最高是TDengine的38.7倍！备注
TDengine按10万设备数、100列全量写入需要262分钟计算，400列估算需要1050分钟，而MatrixDB 400列最快仅需要14分钟，100万设备数，相比之下写入速度太慢、避免写入费时太久，故TDengine 100、200、400、800列，设置的是1000个设备，然后同比推导出结果数据。
附 录
时序数据库加载性能测试过程：https://ymatrix.cn/blog/load-test-steps
数据生成及加载工具下载链接：https://pan.baidu.com/s/1BFYcQR3DzqVLiy8ymXu9eg（提取码：8cba）
MatrixGate原理介绍：https://ymatrix.cn/doc/reference/mxgate.html
欲了解更多超融合时序数据库相关信息，烦请访问yMatrix官方网站：https://www.ymatrix.cn